Application of GIS technologies in surveying the state of forest crops in the green zone of Astana

Capa

Citar

Texto integral

Resumo

When carrying out forestry, constant monitoring of plant condition and growth is very important. There is a wide range of Earth remote sensing sources for effective management of woody vegetation in vast areas. The purpose of the study was to identify areas with weekened and dying tree crops in the green observation zone of Astana, Kazakhstan, covering ‘Batys’ forestry using remote sensing data. The results of studies carried out for research on the growth and development of artificial plantations were obtained. During the experiment, a comparison of remote sensing data was performed using an unmanned aerial vehicle Supercam S350F with multispectral camera Micasense RedEdge and high-resolution measurements obtained with Sentinel‑2 and PlanetScope satellites in order to select a method for solving the tasks. Based on the materials of multispectral diagnostics, the state of forest plantations in ‘Batys’ forestry was revealed, where 35 % of tree crops were classified as healthy, 30 % — as weakened, and 35 % — as dying.

Sobre autores

Andrey Kabanov

A.N. Bukeikhan Kazakh Research Institute of Forestry and Agroforestry

Autor responsável pela correspondência
Email: 7058613132@mail.ru
ORCID ID: 0000-0002-5479-3689
Código SPIN: 9628-4453

PhD student, senior researcher

58 Kirova st., Shchuchinsk, 021704, Kazakhstan

Askhat Ospangaliev

S. Seifullin Kazakh AgroTechnical Research University

Email: a.ospangaliev@mail.ru
ORCID ID: 0000-0001-7478-8505

Senior lecturer

62B Zhenis st., Astana, 010000, Kazakhstan

Svetlana Kabanova

A.N. Bukeikhan Kazakh Research Institute of Forestry and Agroforestry

Email: kabanova.05@mail.ru
ORCID ID: 0000-0002-3117-7381
Código SPIN: 3897-4757

Candidate of Biological Sciences, Associate Professor, Head of the Department of Reforestation and Forest Cultivation

58 Kirova st., Shchuchinsk, 021704, Kazakhstan

Igor Kochegarov

A.N. Bukeikhan Kazakh Research Institute of Forestry and Agroforestry

Email: garik_0188@mail.ru
ORCID ID: 0000-0003-1185-5218
Código SPIN: 8313-4687

Junior researcher

58 Kirova st., Shchuchinsk, 021704, Kazakhstan

Aigul Bekbaeva

S. Seifullin Kazakh AgroTechnical Research University

Email: bekbaevaaigul@gmail.com
ORCID ID: 0000-0002-3477-1888

Deputy Director, Center for technological competence in the field of digitalization of the agro-industrial complex

62B Zhenis st., Astana, 010000, Kazakhstan

Matvey Danchenko

Tomsk State University

Email: mtd2005@sibmail.com
ORCID ID: 0000-0002-5974-9556
Código SPIN: 8209-8687

Candidate of Geographical Sciences, Associate Professor, Biological Institute

36 Lenin st., Tomsk, 634050, Russian Federation

Bibliografia

  1. Gower ST. Patterns and Mechanisms of the Forest Carbon Cycle. Annual Review of Environment and Resources. 2003;28:169–204. doi: 10.1146/annurev.energy.28.050302.105515
  2. Suyundikov ZO. Technology of creation and maintenance of forest plantations of Astana green zone. In: Tekhnologii sozdaniya zashchitnykh nasazhdenii v prigorodnoi zone g. Astany [Technologies of creation of protective plantings in the the suburban area of Astana]. Astana; 2012. p.3–5. (In Russ.).
  3. Mykytanov ZK, Rakhmov GA, Baitanaev OA, Vysotsky AN. The creation of a green zone in Astana — a breakthrough project of artificial afforestation in Kazakhstan. Experimental biology. 2011;(4):15–20. (In Russ.).
  4. Alekseev VA. Diagnostics of the vital state of trees and stands. Russian Journal of Forest Science. 1989;(4):51–57. (In Russ.).
  5. Ogievskiy VV, Hirov AA. Obsledovanie i issledovanie lesnykh kul’tur [Survey and research of forest crops]. Moscow: Lesnaya promyshlennost’ publ.; 1964. (In Russ.).
  6. Mancino G, Ferrara A, Padula A, Nole A. Cross-­Comparison between Landsat 8 (OLI) and Landsat 7 (ETM+) Derived Vegetation Indices in a Mediterranean Environment. Remote Sensing. 2020;12(2):291. doi: 10.3390/rs12020291
  7. Broge NH, Leblanc E. Comparing prediction power and stability of broadbandand hyperspectral vegetation indices for estimation of green leaf area index and canopy chlorophyll density. Remote Sensing of Environment. 2001;76(2):156–172. doi: 10.1016/S0034-4257(00)00197-8
  8. Ahammad T. Effect of chlorophyll content & solar irradiance on spectral reflectance of vegetation canopies acquired by spectro-­radiometer. International Journal of Environment and Geoinformatics. 2021;9(1):170–178. doi: 10.30897/ijegeo.958100
  9. Gitelson AA, Gritz Y, Merzlyak MN. Relationships between leaf chlorophyll content and spectral reflectance and algorithms for non-destructive chlorophyll assessment in higher plant leaves. Journal of Plant Physiology. 2021;160(3):271–282. doi: 10.1078/0176-1617-00887
  10. Ovchinnikov AV. Technique for experimental study of spectral brightness coefficients materials and natural backgrounds. Journal of Radio Electronics. 2021;(6):14. doi: 10.30898/1684-1719.2021.6.5. (In Russ.).
  11. Breiman L. Random Forests. Machine Learning. 2001;45:5–32. doi: 10.1023/A:1010933404324
  12. Hastie T, Tibshirani R, Friedman JC. Random Forests. In: The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd ed. Springer-­Verlag; 2009. p.764.
  13. Meng J, Li S, Wang W, Liu Q, Xie S, Ma W. Mapping forest health using spectral and textural information extracted from SPOT-5 satellite images. Remote Sensing. 2016;8(9):719. doi: 10.3390/rs8090719
  14. Immitzer M, Atzberger C, Koukal T. Tree species classification with random forest using very high spatial resolution 8-band WorldView-2 satellite data. Remote sensing. 2012;4(9):2661–2693. doi: 10.3390/rs4092661
  15. Plakman V, Janssen T, Brouwer N, Veraverbeke S. Mapping species at an individual-tree scale in a temperate forest, using Sentinel-2 images, airborne laser scanning data, and random forest classification. Remote Sensing, 2020;12(22):3710. doi: 10.3390/rs12223710

Arquivos suplementares

Arquivos suplementares
Ação
1. JATS XML
Baixar


Creative Commons License
Este artigo é disponível sob a Licença Creative Commons Atribuição–NãoComercial 4.0 Internacional.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».